Portfolio Optimization in Capital Market Bubble Condition

Subject Areas : Financial Knowledge of Securities Analysis

Abdollah Daryabor ¹ , frydoon Rahnama Roodposhti ² , Hashem Nikoomaram ³ , Farhad Ghaffari ⁴

1 - Ph.D. Student of financial management, Science and Research Branch, Islamic Azad University, Tehran, Iran
2 - Professor of financial management, Science and Research Branch, Islamic Azad University, Tehran, Iran
3 - Professor of financial management, Science and Research Branch, Islamic Azad University, Tehran, Iran.
4 - Associate Professor of Economics, Science and Research Branch, Islamic Azad University, Tehran, Iran.

Received: 2017-01-01 Accepted : 2017-04-25 Published : 2019-01-21

Keywords: Bubble Stock, portfolio optimization, Sharpe ratio, Treynor ratio, Jensen’s alpha, Information ratio,

Abstract :

Financial markets, especially capital markets, are considered the main tools for equipping and allocating financial resources. With regard to the strategic, financial and economic importance of such markets, whenever a widespread disruption or deviation occurs, it becomes extremely difficult to equip and allocate a country’s financial resources. One of the contributing factors is price bubble. In fact, the essence of price bubbles lies in the reactions to price hikes. Thus, the increase in prices leads to greater investor appetite, higher demand and ultimately another price hike.In such occasions, the investment managers plan to optimize their stock portfolios. In other words, they intend to bring about maximum return for customers and shareholders in exchange for a certain level of risk. This study attempted to examine several variables such as stock price, stock monthly return, overall market return, variance, standard deviation, var and Downside Risk to a new model within the bubble space at Tehran Stock Exchange (TSE) for period (2000-2015). At first, the effects of bubble were proven and the junctures were identified for 7 periods. Then, the variables were analyzed to achieve an optimization model, adopting an approach similar to Sharpe’s, where the extracted optimum portfolio brought about a far more desirable position for the investors than other portfolios under non-bubble conditions involving return, Sharpe, Treynor and Jensen. The main hypothesis was proven and a new model was proposed to achieve the ideal results through analyzing the model within an ascending bubble space as well as a descending bubble space, which were then compared against a non-bubble space.

References:

*      اسلامی بیدگلی،غلامرضا؛ طیبی ثانی، احسان (1393). بهینه‎­سازی‎ ‎سبد‎ ‎سرمایه­گذاری‎ ‎بر‎ ‎اساس‎ ‎ارزش‎ ‎در‎ ‎معرض‎ ‎ریسک‎ ‎با‎ استفاده‎ ‎از الگوریتم‎ ‎کلونی‎ ‎مورچگان، مهندسی مالی و مدیریت اوراق بهادار، شماره 18، صص 163 تا 184.

*      اسلامی بیدگلی، غلامرضا؛ هیبتی، فرشاد (1374). مدیریت پرتفوی با استفاده از مدل شاخصی، تحقیقات مالی.

*      ترکی، لیلا؛ واعظ، محمد (١٣٨٧). حباب قیمت­ها و بازار سرمایه، مجلة پژوهشی دانشگاه اصفهان(علوم انسانی)، شماره ٣، صص 195-207.

*      خالوزاده، حمید؛ امیری، نسیبه (1385). تعیین سبد سهام بهینه در بازار بورس ایران براساس نظریه ارزش در معرض خطر، مجله تحقیقات اقتصادی، شماره 73، صص 211- 231.

*      خلیلی عراقی، مریم؛ اسماعیلی، بهمن (1393). بررسی تاثیر عوامل موثر بر بیش واکنشی کوتاه مدت در عرضه اولیه سهام بورس اوراق بهادار تهران، فصلنامه علمی پژوهشی دانش سرمایه­گذاری، شماره یازدهم.

*      درخشان، مجتبی؛ گل مکانی، حمیدرضا؛ حنفی زاده، پیام (1391). رویکردی فراابتکاری برای انتخاب سبد سهام با ‏اهداف چندگانه در بورس اوراق بهادار. نشریه بین المللی مهندسی صنایع و مدیریت تولید، شماره3، ‏صص 317-331‏.

*      راعی، رضا؛ محمدی، شاپور؛ علی بیگی، هدایت (1389). بهینه سازی سبد سهام با رویکرد «میانگین- نیم واریانس» و با استفاده از روش «جستجوی هارمونی». پژوهش­های مدیریت در ایران، شماره 3، صص 105-128.

*      راعی، رضا (1377). طراحی مدل سرمایه‌گذاری مناسب در سبد سهام با استفاده از هوش مصنوعی (شبکه‌های عصبی)، رساله دکتری، دانشگاه تهران.

*      زارع مهرجردی، یحیی؛ رسایی، حسن (1392). مقایسه روش­های فراابتکاری برای بهینه­سازی پورتفولیو تحت معیار ریسک نیمه واریانس با استفاده از آزمون آماریt، نشریه مهندسی صنایع و مدیریت تولید، شماره 2.

*      سعیدی، علی؛ نیکومرام، هاشم (1387). اندازه­گیری عکس­العمل رفتاری سرمایه­گذاران در بازار سهام، مجله جستارهای اقتصادی، شماره 9، صص 237 تا 276.

*      شریعت پناهی، سید مجید؛ سهرابی عراقی، محسن؛ شریعتی، عبدالله (1393). راهبرد سرمایه­گذاری معکوس بر اساس معیارهای پاداش ریسک انتخاب سهام، تحقیقات مالی، شماره1، صص 113- 128.

*      صالح آبادی، علی؛ دلیریان، هادی (1389). بررسی حباب قیمتی در بورس اوراق بهادار تهران، مجله بورس اوراق بهادار، شماره9، صص 61 - 75 .

*      عباسیان، عزت اله؛ محمودی، وحید؛ فرزانگان، الهام (1389). شناسایی‌‌‌حـباب‌ قیمتی سهام عادی بورس اوراق بهادار تهران با استفاده از مدل ارزش حال، مجله بررسی­های حسابداری و حسابرسی،  شماره 60، صص 75-92.  

*      فلاح شمس، میر فیض؛ زارع، عظیم (1392). بررسی عوامل تأثیرگذار در بروز حباب قیمت در بورس اوراق بهادار تهران، فصلنامه بورس اوراق بهادار، شمارة 21، صص 73-91. 

*      قالیباف اصل، حسن؛ نادری، معصومه (1385). بررسی واکنش بیش از اندازه سرمایه­گذاران در بورس اوراق بهادار تهران نسبت به اطلاعات و اخبار منتشره در شرایط رکود و رونق، مجله تحقیقات مالی، شماره 21، صص 92-112. 

*      گرکز، منصور؛ عباسی، ابراهیم؛ مقدسی، مطهره (1389). انتخاب و بهینه سازی سبد سهام با استفاده از الگوریتم ژنتیک براساس تعاریفی متفاوتی از ریسک. فصلنامه مدیریت صنعتی دانشکده علوم انسانی دانشگاه آزاد اسلامی، شماره 11، صص 115-136.

*      Anderson .Keith, Brooks.Chris, (2014)” Speculative bubbles and the cross-sectional variation in stock returns”, International Review of Financial Analysis.

*      Chan. M, Wong. C, Cheung. B. K-S, And G. Y-N Tang. (1999) “Genetic Algorithms in Multi-Stage Portfolio Optimization System” .The HongKong Polytechnic University, HongKong.

*      Farag .Hisham, (2015) “the influence of price limits on overreaction in emerging markets: Evidence from the Egyptian stock marketHisham”, The Quarterly Review of Economics and Finance.

*      Fraitas. F.D, Souza. A.F.D, Almeida. A.R.D. (2009) "Prediction-based portfolio optimization model using nearal networks" Neuro computing, No 72.

*      Hao, F.F., Liu, Y.K. (2009) “Meanvariance models for portfolio selection with   fuzzy random returns”. Springer: J Appl Math Comput, Vol. 30.

*      Hugonnier.Julien. (2012)”Rational asset pricing bubbles and portfolio constraints”, Journal of Economic Theory.

*      Lin, Chi-Ming. , Mitsuo Gen. (2007) “An Effective Decision-Based Genetic Algorithm Approach to Multiobjective Portfolio Optimization Problem”. Applied Mathematical Sciences, Vol.1, No.5.

*      Markowitz, Harry. (1959) “Portfolio Selection. Efficient Diversification of Investments”. John Wiley & Sons.

*      Rotermann .Benedikt, Wilfling .Bernd. (2014)” Speculative bubbles and the cross-sectional variation in stock returns”, International Review of Financial Analysis.